Bias in vacatureteksten verminderen met objectieve matching

De vacature staat al drie weken live. De hiring manager is ongeduldig, de recruiter ook. De reacties die binnenkomen lijken “net niet”: te junior, te weinig drive, niet het juiste profiel. Dus gaat de tekst nog een keer open. Er komen wat zinnen bij over “stevige persoonlijkheid”, “hands-on mentaliteit” en “niet bang om je mening te geven”. De functie-eisen worden iets strakker, de toon iets scherper.

Een week later is de instroom nóg smaller. En opvallend eenzijdig. Niet omdat iemand bewust selecteert op geslacht, leeftijd of achtergrond, maar omdat de tekst stiekem is gaan sturen op een bepaald type mens.

Waarom dit gebeurt

Vacatureteksten worden meestal geschreven vanuit urgentie en herkenning. Een team mist iemand, en in het hoofd ontstaat al snel een beeld van de ideale aanvulling. Dat beeld is zelden een lijst skills; het is eerder een mix van eerdere ervaringen (“die ene collega die dit altijd fixte”), teamdynamiek (“iemand die tegen een grapje kan”) en frustraties (“geen gedoe, gewoon doen”).

Daar zit de blinde vlek: taal is nooit neutraal. Woorden als “ambitieus”, “dominant”, “zorgvuldig”, “energiek” of “nuchter” lijken onschuldig, maar dragen culturele en vaak gendered connotaties. Zeker wanneer ze in de tekst opduiken als proxy voor kwaliteit. En wanneer de rol onduidelijk is afgebakend, vult men die leegte op met persoonlijkheidslabels.

Het probleem is dus niet dat mensen bias hébben. Het probleem is dat de vacaturetekst bias kan verpakken als functie-inhoud.

De verborgen kosten in de selectie

Een biased tekst doet meer dan kandidaten afschrikken. Het vervormt de hele funnel.

Ten eerste: je krijgt minder variatie in sollicitaties, waardoor je denkt dat “de markt leeg is”. In werkelijkheid heb je de deur smaller gemaakt.

Ten tweede: je selecteert op taalvaardigheid in plaats van werkvaardigheid. Kandidaten die goed zijn in het spiegelen van jouw woorden (“proactief”, “snel schakelen”) komen verder, terwijl kandidaten met relevante skills maar een andere stijl eerder afhaken.

Ten derde: je bouwt teams die op elkaar lijken. Dat voelt comfortabel, maar leidt vaak tot dezelfde blinde vlekken in uitvoering: minder tegenspraak, minder alternatieve oplossingsroutes, meer groepsdenken. En dan is de volgende vacaturetekst opnieuw geschreven vanuit dezelfde referentie.

Een andere manier van kijken: van tekst naar bewijs

De omkering is simpel, maar scherp: een vacaturetekst is geen marketingtekst voor een ideaal mens. Het is een specificatie van aantoonbaar gedrag en output.

Als je matching en selectie baseert op wat iemand moet kunnen leveren, wordt taal opeens meetbaar. Niet in de zin van “alles kwantificeren”, maar in de zin van: kun je aanwijzen welk stuk werk een eis vertegenwoordigt?

Objectieve, skills-based matching maakt bias zichtbaar omdat het dwingt tot expliciteren. Zodra je moet koppelen wat er in de tekst staat aan concrete skills, vallen de vage termen door de mand. “Stevige persoonlijkheid” matcht niet. “Conflicthantering in stakeholdergesprekken” wel.

Praktische aanpak (zonder de tekst kapot te analyseren)

Je hoeft vacatureteksten niet te herschrijven tot klinische functiebeschrijvingen. Wel helpt een korte, systematische check die de tekst terugbrengt naar werkelijke vereisten.

1) Vertaal elke ‘soft’ term naar observeerbaar gedrag
Neem zinnen als “stressbestendig” of “ownership” en maak één stap naar beneden: wanneer zie je dit in het werk?

• “Stressbestendig” → prioriteren bij conflicterende deadlines, rustig blijven in escalaties
• “Ownership” → proactief issues signaleren, eindverantwoordelijkheid nemen voor oplevering

Als je die vertaling niet kunt maken, is het waarschijnlijk geen eis maar een voorkeur of een gevoel.

2) Splits ‘must-haves’ van ‘comfort-eisen’
Veel bias zit niet in één woord, maar in de stapeling. Tien eisen waarvan er zes eigenlijk “handig als” zijn, drukken bepaalde groepen disproportioneel weg.

Kies daarom een klein setje non-negotiables (skills die nodig zijn op dag 1) en label de rest als ontwikkelbaar. Niet als compromis, maar als realistische functiedefinitie.

3) Laat matching de tekst terugspiegelen
Als je een objective matching lens toepast op je eigen vacaturetekst—skills in de tekst tegenover skills die in vergelijkbare profielen voorkomen—zie je waar je taal onbedoeld vernauwt.

Wordt “communicatief sterk” bijvoorbeeld ingezet waar je eigenlijk “helder stakeholdermanagement” bedoelt? Of vraag je “leadership” terwijl het werk vooral coordinatie zonder hiërarchie is? Dat soort discrepanties zijn bias-versterkers: ze sturen op identiteit en zelfpresentatie, niet op kunnen.

Wat dit strategisch verandert

Wanneer vacatureteksten aansluiten op bewijsbare skills, verschuift de werving van “wie voelt goed” naar “wie kan dit werk doen, in dit team”. Dat heeft twee effecten.

Je instroom wordt breder zonder dat je de lat verlaagt—je maakt de lat juist specifieker. Kandidaten herkennen hun ervaring sneller, ook als ze niet passen in het stereotype taalprofiel.

En je selectiegesprekken worden consistenter. Interviewers kunnen terug naar dezelfde set werkcriteria, waardoor individuele voorkeur minder ruimte krijgt. Dat maakt beslissingen verdedigbaar, maar vooral: herhaalbaar. Teams worden samengesteld op complementariteit in skills, niet op gedeeld gedrag in de vergaderruimte.

Data-gedreven matching en beslisondersteuning, zoals via Softmatch.ai, kan hier een logische rol spelen: niet om taal te ‘polijsten’, maar om zichtbaar te maken welke eisen echt matchen met skills en welke vooral cultuur- of stijlfilters zijn.

Competentiegericht werven en selecteren

Ontdek hoe SoftMatch organisaties helpt om verder te kijken dan cv’s en onderbuikgevoel. Met data-gedreven matching worden competenties, gedrag en cultuurfit inzichtelijk, zodat je objectiever selecteert en verborgen talent niet over het hoofd ziet. Vraag een demo aan en ontdek hoe competentiegericht werven jouw selectieproces versterkt.